HI,欢迎来到好期刊网!

金融行业动态分析

时间:2023-10-05 10:40:25

导语:在金融行业动态分析的撰写旅程中,学习并吸收他人佳作的精髓是一条宝贵的路径,好期刊汇集了九篇优秀范文,愿这些内容能够启发您的创作灵感,引领您探索更多的创作可能。

金融行业动态分析

第1篇

关键词:数据包络分析法(DEA);银行业;动态效率分析;商业银行

Abstract:The paper analyzes and evaluates banking industry in China from 1998 to 2008 with Data Envelopment Analysis on the whole. In addition,it evaluates the changes of efficiency of banking industry by Malmquist Productivity Index. The results show although the production efficiency of china’s banking industry is enhancing gradually, still rather low. Meanwhile,the factors such as industrial structure,location,scales and ownership structure may have impact on the economic efficiency, pure technical efficiency and scale efficiency of banking industry.

Key Words:data envelopment analysis,banking industry; dynamic efficiency analysis,commercial bank

中图分类号:F830 文献标识码:A文章编号:1674-2265(2010)05-0019-05

一、引言

银行业在我国金融体系中占有主导地位,其效率高低决定着我国整个金融体系的效率。整体上看我国银行业资产质量近几年有了大幅改观,生产资源配置渐趋合理,市场竞争能力不断提高。我们在充分肯定我国银行业改革发展取得成绩的同时, 也要清醒地认识到,我国商业银行在资本充足率、资本回报率、不良贷款率等指标方面尚不理想,在经营效率方面和国外发达国家银行相比还存在差距。效率是银行竞争力的集中体现。在国外既有研究的基础上,我国部分学者也尝试对我国银行业效率进行研究。但目前对我国现阶段银行业效率的研究还不够深入,一些单要素指标和单一的统计分组无法全面反映银行业效率,尤其对银行业效率的动态变化研究不够。本文试图在这方面做出探索,通过构造数据包络分析(DEA)模型,对1999-2008年中国银行业的生产效率在地域分布、规模、银行类型等层面进行多方位的考察;进一步通过计算Malmquist指数对我国银行业的效率变动进行动态分析,寻找效率差异和效率变动的影响因素。

二、模型、变量与数据

效率水平是由决定生产过程投入产出关系的技术水平或技术状态决定的。按照分析角度的不同,数据包络分析可以分为投入导向模型(Input Orientated Model)和产出导向模型(Output Orientated Model)两种。投入导向的模型是在给定产出水平下使投入最小,产出导向的模型则是给定一定量的投入要素,追求产出值最大。本文研究的角度是投入导向型。

(一)实证模型

1. 数据包络分析(DEA)。Data Envelopment Analysis (简称DEA),主要通过运用线性规划方法来构建一个非参数前沿,从而可以对相对于前沿面的效率进行计算测度。

2. Malmquist生产率指数。它是用距离函数来定义的,指第t期及第t+1期的曼奎斯特生产率指数的几何平均数。

(二)资料说明

本文的样本区间为1999-2008年的经营数据,研究对象包括4家国有商业银行和10家全国性股份制商业银行,分布在全国各省会的各大银行的分行作为具体研究的决策单位。所有数据来源于2006-2009年的《中国金融年鉴》。

(三)投入产出变量选择

银行的投入和产出与其它厂商存在明显的差别, 这是研究银行效率的一个难点所在, 也是研究结果差异较大的一个主要原因。目前主要有三种方法选取数据:生产法、中介法和资产法。在综合考虑上述三种方法并借鉴其它文献的基础上, 本文将银行的经营费用、利息支出和固定资产净额作为银行生产投入要素, 将存款、贷款和净利润作为产出要素, 对我国的银行来说, 贷款是其目前主要经营的产品, 虽然目前其经营的其它产品种类在逐渐增加, 但所占比重非常低。存款由于要支付储户利息, 因此具有投入特征, 同时存款又是银行进行贷款投放的重要资金来源, 故又有产出特性。这里将其作为银行的产出变量。

三、实证结果及其分析

将每家银行看作一个生产决策单位, 运用上述模型来构造在每一个时期生产最佳实践前沿面,把每一家行的生产同最佳前沿面进行比较, 从而进行经营效率测度。

(一)基本效率分析

1. 总体的规模效率、技术效率分析。本文主要采取投入导向的BBC模型。我们将14家银行10年的投入产出数据经过DEA软件DEAP2.1运行计算所得到的综合效率值、纯技术效率值和规模效率值的结果进行整理,可以得到年度各效率的平均值,如表1所示。

从表1可以看出,尽管我国银行业综合效率平均值呈现增长的趋势,但还是一直徘徊在相对较低的水平上,2006和2007年达到最高水平,也只有0.7248和0.7384。我国银行业综合技术效率低的原因,主要表现为追求粗放式经营,各大银行将发展重点放在规模快速扩张上,战略多有模仿的倾向,银行功能趋于同质化,缺乏差异化服务战略;缺乏市场竞争力,理财产品和资本运营没有优势;缺乏浮动性的、针对高端客户的产品,网上银行的经营效率低。规模效率从1999年的最高点下降到2008年的最低点。纯技术效率虽然在1999-2001年出现了下降,但从2002年起表现出了上升趋势。规模效率跟纯技术效率相比在这十年中平均低7个百分点左右。纯技术效率表示在同一规模产出下,最小的要素投入成本。实证数据显示我国商业银行整体技术效率呈现改进趋势,这一结果与在1999年至2008年间, 信息技术的应用和普及,积极推广业务电子化和网络化的事实相符合。尽管我国银行业改革力度不断加大,尤其是在加入世贸组织后, 银行业改革进入加速阶段,但在资金规模、技术创新、盈利水平方面与发达国家相比,仍然存在较大差距。

2. 各大银行的效率分析。

(1)综合技术效率。利用CRS模型计算出14家银行1999-2008年的综合技术效率得分,如表2所示。

由表2可以看出,民生银行绩效表现相对最高,其平均综合技术效率值为0.873,该行在2002、2004和2006年的绩效表现很好,综合技术效率值为1,但是其效率值也有波动。浦东发展银行的综合技术效率从2003年0.720上升到2008年的1,从2003年起,其一直处于效率前沿,但由于1999-2002年效率值有起伏,它的平均综合技术效率值为0.806,位居第二。华夏银行在1999-2003年综合技术效率保持在较高的水平,但综合效率值在其余年份从0.654下降到0.560,它的综合效率平均值为0.771,居于第三。工商银行的综合效率值变化趋势呈现两个阶段,第一阶段由1999年的0.427上升至2004年的0.846;第二阶段由2005年的0.703下降到2007年的0.532,在考察期的最后一年达到0.589,它的综合效率平均值为0.714,列居第六位。建设银行的综合效率值只是在2005年达到0.532,其余年份的综合效率值在0.179-0.487之间波动,其综合效率平均值为0.394,位居最后。

按综合技术效率平均值的排名看,股份制商业银行的平均效率值普遍高于国有商业银行。这说明国有商业银行在综合技术效率方面还存在较大提高空间。

(2)纯技术效率。我们用VRS模型计算了不考虑样本规模因素的纯技术效率,具体结果如表3所示。不管是国有银行还是股份制银行,其纯技术效率都处在相对较高的水平上,两类银行纯技术水平的差距很小。特别值得注意的是,2002-2009年期间,我国银行业的纯技术效率一直处于纯技术效率的有效区域,这与此期间我国银行业加大了技术投入力度、技术边界不断扩张的事实相吻合。

(3)规模效率。利用规模效率等于综合技术效率除以纯技术效率,可以得到各行的规模效率。由表4可以看出, 我国商业银行在规模效率方面不是很理想。浦发展的规模效率除在期末较低外,绝大多数年份接近于1,规模效率平均值为0.883,该银行在考察期内的规模效率平均值表现最好。中信银行的规模效率表现与浦发展遵循了同一个模式,也是期末效率降低,其它年份的规模效率都在0.7左右,其规模效率平均值为0.795,位居第二。民生银行和光大银行的规模效率都只是在最近两年才达到规模效率前沿,在其余年份,规模效率上下波动,它们的规模效率平均值分别为0.737和0.689,分别居于第三和第四位。中国银行的规模效率值在0.275-0.427之间波动,其平均值为0.385,规模效率最差。数据显示, 我国银行的现有规模和效率值之间尚未形成明显的匹配关系。

在规模报酬方面,我国商业银行除个别行个别年份处于规模报酬递增区域,可以进一步通过扩大经营规模提高效率外, 其余年份则处于规模报酬不变或规模报酬递减区域, 这说明从整体上看, 我国银行的规模效率值不高主要原因在于资产规模过大而导致规模无效。

综合技术效率分解为纯技术效率与规模效率,给决策单位在长期和短期改进绩效行为上提供了参考。如果一个决策单位综合技术无效率主要是因为规模过小导致的规模无效率,当它处于规模报酬递增状态时,决策单位应该通过兼并使规模扩张,以达到长期的效率改进目的。另一方面,如果综合技术无效率主要是由于纯技术无效率,决策单位应在不改变规模的状态下,谋求短期的效率改进。

从以上分析可以看出, 我国商业银行的纯技术效率值均比较高,经营效率损失主要来自于规模效率损失。生产经营规模本质上要和其内部管理水平相匹配, 如果生产规模过大, 而内部管理水平不能及时跟进, 自然会由于管理链条过长而导致效率损失,影响它们的效率。这不仅体现在国有商业银行上,当前一些股份制商业银行也要引起注意,不能一味地追求规模扩张,而应该提高自身的核心竞争力。

3. 不同区域的商业银行效率分析。各个商业银行在东、中和西部地区都设有分行,为了简化问题研究,我们把位于不同省会的各个分行分别作为一个独立核算经营单位,试图从地域分布层面来考察我国银行业的效率问题,探讨区域因素对银行效率的影响程度。将DEAP2.1得出的计算结果整理,列于表5。

由表5可以看出,各区域的银行效率并不相同。东部地区的综合技术效率平均值在三个区域中相对最高,其次是西部地区,最后是中部地区。东部地区的规模效率平均值也高于中西部地区的平均值。这与东部地区具有雄厚的经济基础,并由此带来的资金、人才、配套环境等多方面的优势密不可分。中西部地区的银行在上述几方面的劣势使得其平均生产效率落后于东部地区。三个区域的纯技术效率平均值相差无几,接近效率前沿,说明三个区域银行单位的经营管理理念和管理方法趋同。相比纯技术效率和规模效率,无论在东部还是中西部地区,规模效率都要低于纯技术效率,但这一问题在中西部地区的银行表现得更突出。

4. 不同规模的商业银行效率分析。根据2009年各大银行的年度公司报表,依据资产总量把我国的银行分为了大中小三种类型,以此来考察不同规模的银行效率,经过DEAP2.1运行计算,得出结果列于表6。从表6看出,除了纯技术效率在大中小型银行中相差无几且大型银行稍占优势以外,综合技术效率平均值和规模效率值在大中小型银行当中依次升高。这说明大型银行的综合技术效率平均值和纯技术效率平均值比中型企业差,中型银行比小型银行的差。具体原因可能有:一是中小型银行及其分支机构主要集中在经济发达的城市,经营能力相对较强,宽松的管理环境比大型银行的行政等级制度更有利于创新活动的开展和管理效率的提高。二是自身资产规模的原因,与大型银行相比,中小型银行资产和存款投入规模相对较小,且由于所在城市比较发达,因此其产出指标相对较高,进而以投入产出来衡量的技术效率也就比较高。这进一步说明,规模是影响我国商业银行效率的主要因素。

5.不同经济类型的商业银行效率分析。不同经济类型的银行也可能成为影响整个银行业效率的重要环境变量。根据我国银行业的经济类型构成现状,将14家银行划分为国有银行和股份制商业银行两大类。经过DEAP2.1运行计算得出结果,不同经济类型的银行业效率如表7所示。

由表7可以看出,从企业类型与生产效率的关系来看,无论是纯技术效率、规模效率,还是作为两者乘积的综合技术效率,都是股份制商业银行高于国有银行。1999-2008年期间,股份制银行比国有银行的综合技术效率平均值高出3.77%。究其原因,主要是由于股份制银行具有生产规模适度、经营管理较为规范的良好发展基础,同时机制比较灵活,部门之间的协调更便利一些,更容易形成商业合作,无论是服务体系的支撑,还是网点、渠道(电子渠道、物理渠道)等,股份制银行都比国有银行转得快,反应也快。

(二)我国银行业动态效率分析

动态效率考察的是在生产技术可变条件下的效率变动情况。表示生产力变动的Malmquist生产率指数可以用两个曼奎斯特生产力指数EC和TC的几何平均值来计算。其中,EC这个指数测度时期t到t+1每个观察对象到最佳实践边界的追赶程度。TC指数测度技术边界从时期t到t+1之间的移动。由DEAP2.1软件运行的结果整理出表8。

Malmquist生产率指数大于1,表明相对的经济绩效的改善,反之,则意味着生产率的退步或者恶化。从分析数据可以看出以下几个特征:一是我国商业银行整体效率呈现改进趋势, 1999年至2008年平均增长指数为1.063,表明每年平均增长6.3个百分点,其中效率的相对改进为1.8个百分点,技术进步为4.5个百分点,我国银行效率改进主要来自于技术进步,说明在这期间,我国银行业技术投入的增加产生了积极效应。二是比较国有商业银行和股份制商业银行发现,国有商业银行的效率改进程度明显要强于股份制商业银行,1999年至2008年间, 国有商业银行平均效率提高11.3%,而股份制商业银行只有4.7%。在国有银行和股份制商业银行效率改进中,其效率改进大部分来自于技术进步,分别为9.1%和3.5%,这和银行整体变化趋势是一致的。三是多数银行的效率改进年度间波动较大。以中国农业银行为例,其Malmquist指数在2005-2006年间达到了最大值1.328,但在2004-2005和2007-2008年间则分别为0.895、0.967,出现了较大的效率退步现象,可能受经济运行情况和宏观环境的影响较大。

四、结论

研究结果表明:第一,我国的银行业整体上效率较低,纯技术高效率和规模低效率同时并存。第二,由各大银行的效率比较发现,各个银行的效率并不平衡。第三,从地理区位对效率的影响来看,位于东部地区的银行的平均效率值都要高于位于中西部的银行的平均效率值。第四,从银行规模的效率比较来看,大型银行除在纯技术效率上和中小型银行水平相当外,总体效率和规模效率全部低于中小型银行,充分证明了目前我国银行业过大的经济规模。第五,不同经济类型的银行效率不同。第六,中国银行业的动态效率评价结果表明,银行生产率的增长主要是由技术进步导致的,而不是来自效率的改善。

参考文献:

[1]Leigh Drake,Maximilian J. B. Hall. Efficiency in Japanese banking: An empirical analysis [J]. Journal of Banking and Finance,2003, 27:891~917.

[2]阚超,王付彪,沈谦,陈永春.我国商业银行规模经济实证研究(1992-2003)[J].金融研究,2004,(11).

[3]徐传谌,郑贵廷,齐树天.我国商业银行规模经济问题和金融改革策略透析[J].经济研究,2002,(10).